立体配線型メモリ素子による高実装効率なCNNアクセラレータの創出
| 体系的番号 |
JPMJAX21KE |
| DOI |
https://doi.org/10.52926/JPMJAX21KE |
研究代表者 |
萩原 成基 北海道大学, 大学院情報科学院, 大学院生
|
|---|
| 研究期間 (年度) |
2021 – 2023
|
| 概要 | 抵抗変化メモリ素子を用いたアナログニューラルネットワーク演算回路はクロスバー構造を中心に発展してきましたが、この構造では畳み込みニューラルネットワーク(CNN)のような近傍結合型の深層学習モデルを効率よく実装できません。そこで本研究では過去に開発した導電性ポリマーワイヤーシナプスの2次元配線性能を3次元へと拡張し、これ用いて効率よく実装されたCNNアクセラレータの開発を目指します。
|
|---|
| 研究領域 | リアル空間を強靭にするハードウェアの未来 |
|---|
